基于运动相似性的帧率提升算法

为提升低比特率通信接收端的视频帧率,解决快速运动中的图像模糊问题,提出了一种基于运动相似性的帧率提升算法,其三维递归搜索来减少运动估计的计算复杂度,利用自适应的判决窗口减少非相似运动对运动矢量预测的影响,提高运动估计的精度;同时构建运动相似因子,对不同的运动相似块进行不同的运动矢量细化操作,减小块效应;利用对应的相似运动窗口来进行重叠块补偿插值,提高插值的精度.实验结果表明,该算法在主客观方面有较好的性能提升.     

基于稠密矢量场及自适应补偿的帧率上变换

为了有效解决视频帧率上变换中物体边缘出现的模糊和块效应等问题,结合运动估计,优化了矢量化后处理和运动补偿算法.在基于块的运动估计中,结合运动的时空相关性优化块匹配算法,提高物体边缘运动矢量的准确性;通过基于像素块相关性的插值算法,获取像素矢量场,并保持物体结构完整性;在运动补偿时,结合矢量后处理的分类信息,自适应地进行加权插值计算,提高内插帧的质量.实验结果表明,与传统方法相比,该方法在主观和客观质量上都有较大的提升.     

一种适用于AVS-M的自适应快速运动估计算法

为了减小移动视频编码标准(AVS-M)中运动估计模块的复杂度,提出了一种快速、有效的块匹配运动估计算法.该算法充分利用了视频图像中运动矢量场的中心偏置特性和时空相关性,根据运动类型自适应的选择搜索起点和搜索策略,结合改进的搜索模板和高效搜索中止准则,有效地降低了运动估计的运算量.实验结果表明,该算法在保证搜索精度的同时,大大减少了搜索点数.     

一种基于自适应预测的菱形搜索算法

运动估计中菱形算法是一种高效的搜索方法,但它没有利用视频序列中运动矢量的中心偏置分布特性和相邻宏块在时间和空间上的相关性,因此还有很大的空间可以进一步提高该算法的性能.在充分利用运动矢量的中心偏置分布特性和相邻宏块运动矢量的相关性的基础上,提出了一种基于自适应预测的菱形搜索算法(APDS),与传统的起点预测方法不同的是,该算法对所有宏块搜索起点的预测并不是按照一种固定的方法求取,而是通过分析其相邻宏块运动矢量的特性来自适应求得搜索起点和决定搜索策略.实验证明,同传统的菱形法相比,这种方法提高了搜索准确度,同时大幅降低了搜索时间,是一种高效率的搜索算法.     

一种基于H．264的有效运动估计算法

运动估计算法是实时视频编解码技术的研究重点，高精度的匹配和补偿可以减少预测误差，提高视频图像的压缩效果．为降低在视频编码标准H．264中运动估计的高计算复杂度问题，提出了采用一种基于节点模型的可变形块匹配运动估计算法来搜索最佳运动矢量．该算法充分利用了H．264运动矢量的的统计特性和相关性，并采用基于像素差值分类的运动估计匹配准则．实验表明，在编码性能损失很小的条件下，该算法有效降低了视频压缩编码中运动估计的运算复杂度．     

一种预测质量可控的快速运动估计搜索算法

本文提出了一种预测质量可控的快速运动估计搜索算法.该算法利用运动矢量的空间、时间相关性,通过预测初始搜索中心位置、判定是否为静止宏块、调整搜索窗口、预测质量可控的渐进式块匹配准则搜索等步骤进行运动估计,并引入调节函数在预测质量和搜索速度之间增加了可控性.实验结果表明本算法大大减少了计算量,明显提高了运算速度,且具有很好的重建视频质量,适合于在低码率视频编码中应用.     

基于背景前景分割的全局运动估计算法

文章提出一种直接对压缩视频码流进行全局运动估计的新算法。为了提高估计精度和计算效率．提出一种新的视频背景前景分割方法，该算法利用运动矢量和AC系数实现背景与前景分割。基于分割的结果，采用背景宏块的运动矢量进行全局运动参数估计。实验验证了提出的全局运动估计算法的计算效率和精度。     

基于三维递归搜索的多级运动估计视频帧率上转换算法

运动补偿插帧是目前主要的帧率上转换方法。为减小内插帧中的块效应,并降低运算量以满足实时高清视频应用,该文提出了一种基于3维递归搜索(3-D Recursive Search, 3-D RS)的多级块匹配运动估计视频帧率上转换算法。该算法将3-D RS与双向运动估计相结合,首先对序列中相邻帧进行由粗到精的三级运动估计,再利用简化的中值滤波器平滑运动矢量场,最后通过线性插值补偿得到内插帧。实验结果表明,与现有的运动补偿插帧算法相比,该算法内插帧的主、客观质量都有所提高,且算法复杂度低,有很强的实用性。     

一种基于贝叶斯决策的自适应运动估计算法

为了提高视频编码运动估计中运动矢量预测的速度和准确性,提出一种基于贝叶斯决策的视频自适应运动估计算法.该算法充分利用贝叶斯理论、运动矢量的空间一致性和己编码帧对当前帧的影响,根据视频中前一帧和当前帧的已搜索宏块的运动信息,以目标宏块周围3个宏块的运动矢量与目标宏块的运动矢量空间距离最小为原则,利用贝叶斯决策来得到目标宏块运动矢量的预测值.实验表明,该方法在图像重建质量基本不变的情况下,比DS,ARPS和ARPS-3具有更快的搜索速度.     

基于Kalman预测的自适应De-interlace算法

本文提出一种基于Kalman预测的自适应De-interlace算法.它包括运动块检测、自适应的运动估计以及对运动块的运动补偿和对静止块的场复制等模块.其中,运动块检测用了连续的4场图像,能够更精确地实现运动检测;对检测到的运动块用Kalman滤波进行自适应地运动估计,并根据估计到的运动矢量进行运动补偿;对静止块,用场复制法进行De-interlace处理.该算法在de-interlace性能接近全搜索算法的前提下,运算量降低了三个数量级.     

基于仿射模型的无人机视频实时压缩算法

在现有算法无法满足无人机视频实时压缩传输需求的应用背景下,该文提出一种新的低复杂度无人机(Unmanned Aerial Vehicle, UAV)视频实时压缩算法,利用无人机视频的背景平面性、运动一致性等特点,建立仿射模型描述视频的全局运动,并根据模型参数进行视频压缩。实验结果表明,与现有压缩算法H.264相比,该算法在保证压缩性能的前提下,大量减少了压缩时间,可满足大多数情况下无人机视频传输的质量要求和实时性要求。     

一种搜索形状可变的快速运动估计算法

本文提出了一种以菱形和六边形联合搜索为基础的搜索形状可变(ＶＳＳ)的运动估计快速算法,何用于Ｈ．２６３、ＭＰＥＧ２、ＭＰＥＧ４中的视频编码。试验结果表明,在获得与现有ＴＳＳ、ＮＴＳＳ、４ＳＳ和ＤＳ等快速算法相当的图像质量和信噪比的情况下,该算法有效减少了搜索次数,提高了搜索效率,尤其对于中大运动量的视频图像运动估计效果更为明显。     

H.264中块匹配的快速搜索算法研究

在新一代视频压缩编码标准H．264中，块匹配运动估计有着举足轻重的地位，它的性能影响着输出码流的质量。在块匹配中运动估计耗时最多，为了减少运动估计的时间和搜索的次数，常采用快速搜索算法。介绍块匹配运动表示法，详细研究块匹配中的3种快速搜索算法的搜索过程，并对3种算法的性能作比较分析。     

Novel cooperative neural fusion algorithms for image restoration and image fusion.

To deal with the problem of restoring degraded images with non-Gaussian noise, this paper proposes a novel cooperative neural fusion regularization (CNFR) algorithm for image restoration. Compared with conventional regularization algorithms for image restoration, the proposed CNFR algorithm can relax need of the optimal regularization parameter to be estimated. Furthermore, to enhance the quality of restored images, this paper presents a cooperative neural fusion (CNF) algorithm for image fusion. Compared with existing signal-level image fusion algorithms, the proposed CNF algorithm can greatly reduce the loss of contrast information under blind Gaussian noise environments. The performance analysis shows that the proposed two neural fusion algorithms can converge globally to the robust and optimal image estimate. Simulation results confirm that in different noise environments, the proposed two neural fusion algorithms can obtain a better image estimate than several well known image restoration and image fusion methods.     

A dynamic search pattern motion estimation algorithm using prioritized motion vectors

Motion estimation is one of the critical parts in video compression standards with a high computational load. Many motion estimation algorithms have been developed to reduce the number of search points compared to a full-search algorithm without losing the quality considerably. Most of them use fixed search patterns in their first step which may suffer from trapping into local minima or searching unnecessary blocks due to inappropriate size and type of search patterns. In this paper, a new dynamic search pattern using motion vectors of spatial and temporal neighboring blocks is proposed. The motion vectors of neighboring blocks are prioritized, in order to efficiently use of halfway stop technique. The simulation results indicate that proposed algorithm is very close to the full-search algorithm in quality, compared to other rivals. Moreover, the average number of searches is often less than other algorithms.     

一种基于子搜索格雷码核的快速视频块运动估计算法

快速视频块运动估计是视频编码中的一个重要问题。在格雷码核( GCK)算法的基础上,提出一种改进的子搜索格雷码核( Sub-GCK)算法。理论上的计算复杂度分析表明：提出的子搜索格雷码核算法的运算量大约为原始格雷码核算法的22.1%。实验比较了子搜索格雷码核算法、原始格雷码核算法和其他几种常见的运动估计算法的编码性能,结果显示：新算法在保证编码质量的前提下,有效降低了运动估计时间,时间约为原始格雷码核算法的41.9%。     

New adaptive partial distortion search using clustered pixel matching error characteristic.

In order to reduce the computation load, many conventional fast block-matching algorithms have been developed to reduce the set of possible searching points in the search window. All of these algorithms produce some quality degradation of a predicted image. Alternatively, another kind of fast block-matching algorithms which do not introduce any prediction error as compared with the full-search algorithm is to reduce the number of necessary matching evaluations for every searching point in the search window. The partial distortion search (PDS) is a well-known technique of the second kind of algorithms. In the literature, many researches tried to improve both lossy and lossless block-matching algorithms by making use of an assumption that pixels with larger gradient magnitudes have larger matching errors on average. Based on a simple analysis, it is found that, on average, pixel matching errors with similar magnitudes tend to appear in clusters for natural video sequences. By using this clustering characteristic, we propose an adaptive PDS algorithm which significantly improves the computation efficiency of the original PDS. This approach is much better than other algorithms which make use of the pixel gradients. Furthermore, the proposed algorithm is most suitable for motion estimation of both opaque and boundary macroblocks of an arbitrary-shaped object in MPEG-4 coding.     

一种起点预测的十字形快速运动估计算法

基于时运动矢量概率分布的方向性中心偏移特性和起点预测搜索技术的研究,提出了一种起点预测的十字形快速运动估计算法(IPPAFA),在保持搜索精度的同时有效降低了计算复杂度。实验结果表明,在图像质量几乎不下降的情况下,与钻石搜索算法(DS)和运动矢量场自适应搜索算法(MVFAST)相比,该算法在速度和准确性方面都优于传统的快速运动估计算法。